随着我国进入新发展阶段,发展高技术产业成为落实创新发展理念、推动高质量发展的重要抓手。当前,我国高技术产业主营业务收入规模不断扩大,占制造业比重从2012的12.28%提升至2018年的16.86%。高技术产业整体集聚度呈上升趋势[1],集聚加速创新要素流动,对企业创新活动产生重要影响[2]。习近平总书记指出,“要围绕产业链部署创新链、围绕创新链布局产业链”,强调产业和创新要统筹协调发展。因此,研究高技术产业集聚与创新绩效的交互影响具有重要现实意义。
目前研究高技术产业集聚与创新绩效的文献主要有3类:一是高技术产业集聚对创新绩效的促进作用。如颜克益等[3]认为,高技术产业集聚度越高,越能促进集群创新绩效提升;陈劲等(2013)发现,产业集聚对高技术产业创新具有重要影响,集聚可以为集群内企业提供更多创新资源,帮助企业提升创新能力和创新竞争力;Zeng等[4]研究发现,产业集群的集聚效应有利于集群企业创新绩效提升。二是高技术产业集聚与创新绩效的倒U型关系。如谢子远[5]以医药制造业为例证实高技术产业集聚与研发效率呈倒U型曲线关系;谢臻和卜伟[6]发现,高技术产业专业化集聚与产业创新效率呈倒U型关系。三是高技术产业集聚对创新绩效的空间溢出效应。如周明和李宗植[7]采用空间面板模型发现,区域内和区域间高技术产业知识溢出对创新产出影响显著,且产业集聚对创新产业的贡献相当大;邱士雷等[8]认为,中国高技术产业技术创新水平存在显著空间正相关关系,区域间技术创新存在显著空间溢出效应;吕承超和商圆月[9]研究表明,中国高技术创新产出存在显著空间溢出效应,短期内,多样化集聚对区域内和区域间创新产出表现出负向空间溢出,长期看则呈现正向空间溢出。
在研究内容上,现有文献侧重于高技术产业集聚对创新绩效的单向影响,尚未考虑创新绩效对高技术产业集聚的反向作用,忽略了二者的双向交互影响;在研究视角上,现有文献聚焦于探讨高技术产业集聚对创新绩效某一阶段的影响,鲜有从创新价值链视角剖析高技术产业集聚与创新活动不同阶段创新绩效的互动关系;在研究方法上,已有方法主要研究二者的单向空间效应,尚未测度二者的双向空间交互效应。因此,本文基于创新价值链视角,将创新过程分为技术研发和成果转化两个阶段,深入分析两阶段高技术产业集聚与创新绩效的互动机制,构建高技术产业集聚与创新绩效的空间联立方程,运用广义三阶段最小二乘法(GS3SLS)考察二者的交互影响及空间溢出效应。
产业创新活动是一个从创新要素投入到创新知识生产,再到创新成果转化的多阶段、多层次价值传递过程。在创新价值链视角下,我国高技术产业创新活动可以划分为技术研发和成果转化两个阶段。基于此,考虑到高技术产业集聚与创新绩效的交互关系在创新两阶段的差异化特征,本文建立如图1所示的理论模型。
图1 两阶段视角下高技术产业集聚与创新绩效交互关系理论模型
1.1.1 高技术产业集聚与创新绩效的双向影响机制
技术研发位于创新价值链上游,是以企业和研究机构为创新主体、从研发资源投入到技术成果产出的阶段,该阶段注重技术知识应用,产出形式更多地表现为专利等技术研发成果。
高技术产业集聚对创新绩效的影响主要源于两个方面:一方面,高技术产业集聚通过规模效应影响创新绩效。规模效应的外部性是企业技术创新的主要来源,一个企业即便规模再大,其知识资源也是有限的,外部知识源是企业创新能力的关键组成部分[10]。同时,规模效应可以激发企业创新活力,集聚大量人才、资金、信息等研发资源,为企业提供新的研发成果提供机会,有利于企业创新绩效提升。另一方面,高技术产业集聚通过协作效应促进创新绩效提升。集群内企业通过共享科技资源和研发资源等方式实现优势资源互补,从而不断产生和积累新知识,促进创新绩效提升。
创新绩效对高技术产业集聚的反向影响主要有两个方面:一方面,创新绩效通过创新效应对高技术产业集聚产生影响。创新绩效提升后,研发资源向集群产业集聚,促使政府加大对企业研发支持力度,从而形成一股创新合力,推动高技术产业集群进一步发展。同时,企业技术研发能力提升和专利数量增加会激励其加大研发创新投入,继续巩固创新优势,相应地会带动集群内其它企业加大研发投入力度,从而引起企业规模和人才数量扩张,推动高技术产业集群发展壮大。另一方面,创新绩效通过吸引效应对高技术产业集聚产生影响。集群内企业技术研发能力提升后,在研发资源吸引方面具有较强竞争力,将持续引领产业集群发展。如美国硅谷、德国慕尼黑科学园、新加坡裕廊工业区等世界级产业园区均聚集着大量相关产业企业,形成研发资源吸引优势,围绕某一产业的创新发展,集群规模不断壮大。基于此,本文提出如下假设:
H1:在技术研发阶段,高技术产业集聚与创新绩效存在相互促进作用。
1.1.2 高技术产业集聚与创新绩效的空间溢出及地区交互影响
高技术产业集聚存在空间溢出效应,即邻近地区高技术产业集聚对本地区高技术产业集聚有正向影响。集聚为企业相互协作创新提供空间上的便利性,地理上邻近的企业通过互动和联系激发集体学习与知识共享,建立企业间的信任关系和良好的创新环境[11-12],有利于知识和技术充分发挥溢出效应,推动更深层次的高技术产业集聚[13]。
高技术产业创新绩效存在空间溢出效应,即邻近地区高技术产业创新绩效对本地区高技术产业创新绩效有正向影响。邻近地区高技术产业技术研发能力增强、技术产出增加后,本地区可通过学习、模仿、信息交流等一系列“互搭便车”行为提升高技术产业技术创新绩效。基于此,本文提出如下假设:
H2:在技术研发阶段,高技术产业集聚和创新绩效均存在空间溢出效应,即邻近地区高技术产业集聚对本地区高技术产业集聚有促进作用,邻近地区创新绩效对本地区创新绩效有促进作用。
从地区交互效应看,邻近地区高技术产业集聚对本地区创新绩效具有影响,邻近地区创新绩效对本地区高技术产业集聚具有影响。一方面,邻近地区高技术产业集聚通过示范效应提升本地区创新绩效,当集群内创新领先企业在研发上有了新突破,通过区域间知识扩散和信息交流有助于其它企业学习到先进知识,带动邻近产业集群技术创新能力提升;另一方面,区域间竞争会造成邻近地区高技术产业集聚,从而在一定程度上吸附本地高技术产业资源和创新要素,导致本地研发资源移出,形成对本地高技术产业研发效率的剥夺效应[14]。
邻近地区高技术产业创新绩效通过竞争效应对本地区高技术产业集聚产生影响,竞争效应促使邻近地区加强知识产权保护,不利于区域间知识、人才和技术等创新要素流动与扩散,从而降低高技术产业空间联系深度和广度,进而对本地产业集聚发展产生抑制作用。基于此,本文提出如下假设:
H3:在技术研发阶段,高技术产业集聚与创新绩效具有地区交互影响,即邻近地区高技术产业集聚对本地区创新绩效具有影响,影响方向取决于示范效应和剥夺效应的相对大小,邻近地区创新绩效对本地区高技术产业集聚具有负向影响。
成果转化位于创新价值链下游,是以市场为导向、从技术产出到产品商业化和经济价值实现的阶段,该阶段注重创新成果的市场化推广和实际应用,产出形式多为新产品等产品创新成果,是技术知识等转化为生产力的关键阶段。
1.2.1 高技术产业集聚与创新绩效的双向影响机制
我国高技术产业集聚对专利成果转化效率具有显著促进作用[15]。一方面,高技术产业集聚通过网络效应促进成果转化绩效提升。网络效应是指集聚的高技术企业通过水平关联和垂直关联有机联合在一起,形成一个分工有序的价值创造整体。企业通过网络效应更易开展以需求为导向的创新活动,即根据市场需求,相关企业组建产品创新研发团队,将研发创新变现为符合市场需求的新产品、新工艺、新材料,形成以满足市场需求为基础的创新成果转化渠道。因此,集聚企业通过网络效应,将科技成果转化变成整个产业集群的共同行为,推动创新成果向经济效益转化。另一方面,高技术产业集聚通过平台效应促进成果转化绩效提升。平台效应为信息传播和创新主体提供载体,为企业搜寻外部市场、将研发成果转化为应用成果提供可能性。企业可通过产业集群内的科技企业孵化器、技术转移中心、科技成果转化中心等成果转化平台,利用平台渠道优势和运营优势,对接国内外重要产业市场,实现科技成果转化供给端和需求端精准对接,将技术研发阶段的创新成果有效转化为社会经济效益。
创新绩效对高技术产业集聚的反向影响有两个方面:一方面,创新绩效通过经济效应促进高技术产业集聚。成果转化绩效提升后,不仅推动产业创新发展,更会带来经济效益提升。要素逐利性使得经济效益提升后带来生产要素持续流入,经过循环往复并累积形成集聚效应,推动高技术产业集聚进一步发展。另一方面,创新绩效通过产业升级效应促进高技术产业集聚发展。产业升级效应是指成果转化绩效提升后,产品科技含量得到提升,推动产品和产业向价值链中高端攀升,形成新的产品群、产业群。产业升级效应会吸引新兴企业和配套企业入驻,为上下游产业体系完善带来新机遇,为产业集聚高质量发展注入新动力,推动高技术产业集聚发展。基于此,本文提出如下假设:
H4:在成果转化阶段,高技术产业集聚与创新绩效存在相互促进作用。
1.2.2 高技术产业集聚与创新绩效的空间溢出及地区交互影响
高技术产业集聚存在空间溢出效应,相邻地区特定资源充分共享和有效互补,有助于各地区结合自身条件选择性发展具有比较优势的高技术细分行业,从而促进产业聚集发展和集聚效应产生[16]。
高技术产业创新产出呈现显著空间依赖特征,省际间高技术产业创新产出存在相互影响,具有显著空间溢出效应[9],创新能力强的邻近地区通过溢出效应可以帮助创新能力较弱的地区提高创新能力[17]。邻近地区高技术产业创新绩效提升后,本地区也会积极开发新产品,市场规模和范围得到进一步拓展,推动创新绩效进一步提升。基于此,本文提出如下假设:
H5:在成果转化阶段,高技术产业集聚和创新绩效均存在空间溢出效应,即邻近地区高技术产业集聚对本地区高技术产业集聚有促进作用,邻近地区创新绩效对本地区创新绩效有促进作用。
从地区交互效应看,一方面,发展较好的产业集聚地区通过示范效应帮助落后地区提升产业创新产出[18],因此邻近地区高技术产业集聚可以促进本地区创新绩效提升。另一方面,集聚产业具有一定依赖效应,我国区域产业演化发展表现出路径依赖发展模式[19],意味着产业集群形成后很容易产生自我强化的创新成果发展路径,由于“马太效应”削弱邻近地区创新成果产出能力,因此邻近区域产业集聚水平提升后,可能会对本地产业创新产生一定负向影响。
创新成果的部分公共物品性质会在一定程度上加剧行业企业竞争[20],竞争效应使得地区间为了能在创新成果产出上占得先机,竞相争夺相关人才、技术等,导致地区间产业集群相互遏制。因此,邻近地区高技术产业为提升创新绩效会对本地区高技术产业集聚产生一定负向影响。基于此,本文提出如下假设:
H6:在成果转化阶段,高技术产业集聚与创新绩效具有地区交互影响,即邻近地区高技术产业集聚对本地区创新绩效具有影响,影响方向取决于示范效应和依赖效应的相对大小,邻近地区创新绩效对本地区高技术产业集聚具有负向影响。
2.1.1 空间自相关分析
利用空间计量模型进行分析之前,本文首先对变量进行空间关联性检验,以判断是否采用空间计量模型,常用方法有莫兰(Moran's I)指数和盖里(Geary)指数等。由于指数Moran's I受偏离正态分布影响较小,因此本文选用Moran's I指数进行空间相关性检验。Moran's I指数又分为全局Moran's I指数和局部Moran's I指数,本文采用全局Moran's I指数衡量变量空间依赖情况,可表示为:
(1)
其中,xi和xj分别表示地区i、地区j的观测值,为观测变量平均值,wij为空间权重矩阵,S2为观测变量方差。Moran's I指数取值范围为[-1,1],取正值表示地区间存在空间正相关,负值表示存在空间负相关。
局部Moran's I指数可以用于检验局部地区是否存在变量集聚现象[21]。地域单元i的局部Moran's I指数可以用于度量其与周围地域单元之间的空间关联性,常用的局域空间相关性分析工具有Moran's I散点图与LISA集聚分布图等。
2.1.2 空间联立方程
为了考察高技术产业集聚与创新绩效的交互影响,本文构建包含高技术产业集聚和创新绩效的联立方程,考虑到二者的溢出效应,将其空间滞后项纳入模型。同时,为减少异方差的影响,对所有数据变量进行对数化处理,最终设定两阶段空间面板联立方程。其中,技术研发阶段方程构建如下:
(2)
(3)
成果转化阶段方程构建如下:
(4)
(5)
其中,i和j均表示地区且 i≠j,n表示样本数量,t表示时间;φit和σit为个体控制效应,υit和εit为随机误差项。agg、pat和inn分别表示高技术产业集聚、技术研发阶段创新绩效和成果转化阶段创新绩效;Z为影响创新绩效的控制变量,包括交通运输水平(tran)、研发投入强度(rdin)、产业结构升级(stru)和电信基础设施建设水平(pote);X为影响产业集聚的控制变量,包括市场化水平(mark)、金融发展水平(fina)和开放程度(open)。α0、β0代表常数项,α1、β1为解释变量估计参数,α2、α3、β2、β3为空间滞后变量估计参数,α、β为控制变量估计参数。
wij为空间权重矩阵,为了得到稳健的结果,本文构建两种空间权重矩阵,对二者的空间互动关系进行研究:①地理距离矩阵,用两个地区地理距离的倒数表示影响权重,即wkl=1/dkl,其中dkl为k省与l省省会城市之间的球面距离;②经济地理矩阵,即wmn=wkl×diag(PY1/PY,PY2/PY,PY3/PY,……,PYn/PY),其中PYi为考察期内i省人均GDP平均值,PY为考察期内30个省域人均GDP平均值。所有空间权重矩阵均经过标准化变换,各行之和均为1。
2.2.1 核心变量
(1)高技术产业集聚。测度产业集聚的指标主要有行业集中度、赫芬达尔指数、泰尔指数、区位熵、空间基尼系数等,由于区域熵能较为真实地反映整个产业在不同地理空间上的集聚程度,并能消除地区规模带来的影响,被国内外学者广泛采用。本文借鉴曹雄飞等[22]、王鹏和吴思霖[13]的研究,采用区位熵对高技术产业集聚水平进行测度,其值越大表明给定区域高技术产业集聚水平越高,规模优势越显著。计算公式为:
(6)
其中,htit表示i地区第t年高技术产业产值,indit表示i地区第t年工业总产值,htt表示第t年全国高技术产业总产值,indt表示第t年全国工业总产值。
(2)创新绩效。从创新价值链过程看,中间产出一般以专利衡量,最终产出一般以创新成果应用和商业化水平衡量。专利能够较全面反映企业科技创新能力和水平,专利申请量和授权量是衡量技术研发绩效的常用指标,但考虑到专利从申请到授权需要一定时间,专利授权量并不能有效反映当期技术创新能力[23],因此本文选取专利申请量衡量技术研发绩效(pat)。新产品销售收入、新产品产值、新产品销售利润等是衡量成果转化绩效的常用指标,由于转化阶段的最终目的是产出新产品,并实现经济效益,因此本文选取能够衡量技术成果转化为经济效益能力的新产品销售收入表征成果转化绩效(inn),并使用工业生产者出厂价格指数对其进行平减处理。
2.2.2 控制变量
以地区公路、铁路里程之和与地区行政区划面积之比表征交通运输水平(tran);考虑到研发投入强度对技术创新的作用具有时滞性,使用上一期地区R&D经费内部支出与地区GDP比值衡量研发投入强度(rdin);用地区第三产业与第二产业产值之比表征产业结构升级(stru);用地区人均邮电业务量与地区人均GDP之比表征通信基础设施建设水平(pote);用地区人均GDP占全国人均GDP比值衡量市场化水平(mark);用地区金融机构各项存贷款余额与地区GDP之比衡量金融发展水平(fina);用地区进出口总额与地区GDP比值衡量开放程度(open)。
2.2.3 数据来源
本文考察对象为中国内地30个省域(西藏因数据严重缺失,未纳入统计),原始数据来自于2006—2019年《中国统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国金融年鉴》,考察期内个别缺失值通过插值法、均值法等补齐。各变量描述性统计结果见表1。
表1 变量描述性统计结果
变量样本量平均值标准差最小值最大值agg(高技术产业集聚)4200.7070.5840.0202.551pat(技术研发绩效)4203 852.5889 938.5121105 541inn(成果转化绩效)4209 118 680.93321 845 845.150150208 509 696tran(交通运输水平)4200.8590.4910.0432.175rdin(研发投入强度)4200.0140.0110.0020.074stru(产业结构升级)4201.0210.5630.5004.348pote(通信基础设施建设水平)4200.0550.0270.0140.152mark(市场化水平)4201.0950.5700.3433.629fina(金融发展水平)4202.9081.3251.40017.636open(开放程度)4200.2990.3420.0121.709
进行空间计量检验之前,首先要明确核心变量的空间关联性。图2、3分别列示了各省2005—2018年基于地理距离矩阵和经济地理矩阵的高技术产业集聚、技术研发绩效及成果转化绩效全局Moran's I指数。两种权重矩阵的高技术产业集聚和创新绩效全局Moran's I值均为正且除2006年技术研发绩效外,其余数值均通过10%的显著性检验,说明考察期内高技术产业集聚与创新绩效存在较为显著的空间关联特征。结合散点图可知,基于两种权重矩阵的高技术产业集聚和创新绩效大多数都落在一、三象限,少部分落在二、四象限,由此证明高技术产业集聚与创新绩效之间具有一定空间依赖性。因此,要准确刻画二者的交互关系,就必须将空间因素考虑进来。
图2 2005—2018年地理距离矩阵各变量Moran's I指数
空间联立方程模型估计和检验采用Stata软件进行。各方程自变量方差膨胀因子(VIF)检验值均小于3且相关系数均小于0.8,表明不存在严重多重共线性。由联立方程模型的秩条件和阶条件可知,本文构建模型中两个结构方程均过度识别,为提高估计结果的有效性并消除模型内两个方程扰动项之间可能存在的相关性,采用Kelejian&Pruch[24]提出的广义三阶段最小二乘法(GS3SLS)对方程组进行总体参数估计。GS3SLS的显著优点在于同时考虑变量的空间效应、核心解释变量的内生性和随机扰动项的相关性[25]。本文同时估计不含空间关联和溢出效应的三阶段最小二乘法 (3SLS)结果,以考察GS3SLS在空间联立方程中的表现。
对比表2、3中3SLS和GS3SLS的实证结果发现,创新绩效方程和高技术产业集聚方程内生变量系数符号未发生变化,表明高技术产业集聚与创新绩效的交互关系比较稳定,且基于GS3SLS估计的拟合优度更高,说明考虑空间因素后得到的估计结果更为准确和可靠。
图3 2005—2018年经济地理矩阵各变量Moran's I指数
3.2.1 技术研发阶段
技术研发阶段高技术产业集聚与创新绩效的估计结果如表2所示。结果显示,高技术产业集聚与创新绩效存在双向促进关系,验证了H1。在地理距离和经济地理矩阵下,高技术产业集聚对创新绩效的影响均显著为正,创新绩效对高技术产业集聚的影响同样显著为正。以地理距离矩阵为例,高技术产业集聚对创新绩效的影响系数为1.516,表明高技术产业集聚每提升1%则创新绩效提升1.516%;创新绩效对高技术产业集聚的影响系数为0.405,表明创新绩效每提升1%则高技术产业集聚提升0.405%。高技术产业集聚和创新绩效均存在空间溢出效应,邻近地区高技术产业集聚水平提升会促进本地区高技术产业集聚水平提升,邻近地区创新绩效提高会促进本地区创新绩效提高,H2得到验证。高技术产业集聚的空间滞后项估计系数在地理距离矩阵10%水平下显著为正,在经济地理矩阵中为正但不显著;创新绩效的空间滞后项估计系数在地理距离和经济地理矩阵中均在1%水平下显著为正。高技术产业集聚与创新绩效具有空间交互影响,邻近地区高技术产业集聚与本地区创新绩效正相关,邻近地区创新绩效提升对本地高技术产业集聚影响为负,H3得到验证。高技术产业集聚的空间滞后项对创新绩效的估计系数在地理距离矩阵中为正且在5%水平下显著,在经济地理矩阵中虽不显著但也呈正向影响,该结果验证了H3中两种效应的相对大小,即邻近地区高技术产业集聚带来的示范效应大于剥夺效应。在两种空间矩阵下,创新绩效的空间滞后项对高技术产业集聚的估计系数均显著为负,这是因为技术研发创新过程需要人才、技术等创新资源投入,竞争效应使得邻近地区占用更多创新要素和资源,必然会对本地高技术产业集聚产生抑制作用。
表2 技术研发阶段全样本估计结果
变量3SLSlnpatlnaggGS3SLS(地理距离矩阵)lnpatlnaggGS3SLS(经济地理矩阵)lnpatlnagglnagg(高技术产业集聚)1.296*** 1.516*** 1.707*** (4.36)(14.25)(18.02)lnpat(技术研发绩效) 0.108*** 0.405*** 0.431***(3.32)(13.44)(15.74)w.lnagg(高技术产业集聚空间滞后项) 1.300**0.686*0.6150.090(2.04)(1.84)(1.12)(0.28)w.lnpat(技术研发绩效空间滞后项) 0.513***-0.405***0.649***-0.314***(4.52)(-5.55)(8.00)(-5.79)lntran(交通运输水平)1.362***0.1320.108(7.31)(1.33)(1.10)lnrdin(研发投入强度)1.256*** 0.639*** 0.442*** (6.91)(6.06)(4.57)lnstru(产业结构升级)0.884*** -0.723*** -0.551*** (5.86)(-5.94)(-4.73)lnpote(通信基础设施建设水平)-0.427*** 0.090 0.065 (-6.51)(1.04)(0.79)lnmark(市场化水平) 0.584*** 0.130 0.031(5.34)(1.44)(0.39)lnfina(金融发展水平) 0.629*** 0.281*** 0.213***(5.37)(3.50)(2.78)lnopen(开放程度) 0.142*** -0.032 0.004(3.54)(-0.79)(0.12)常数项12.369***-1.806***7.800***-0.4275.212***-1.316***(16.63)(-10.38)(5.87)(-0.68)(5.80)(-3.40)R20.68 100.364 80.778 1 0.640 30.743 10.622 7
注:括号内数字为t值,***、**、*分别表示在1%、5%、10%的统计水平下显著;下同
在技术研发绩效的其它影响变量中,交通运输水平和电信基础设施建设的影响为正但不显著,表明两者不是促进创新绩效提升的主要因素。研发投入强度的影响显著为正,研发投入强度提高有利于吸纳人才、技术等生产要素,促进创新水平提升。产业结构升级的影响为负,产业结构升级能够优化产业发展环境、吸纳优质生产要素,从而推动高技术创新,但产业升级过程中,地区政策和资源对其它重点发展行业倾斜以及要素投入不合理等会对高技术创新产生一定阻碍作用。此外,在高技术产业集聚的其它影响变量中,市场化水平和开放程度的影响均不显著;金融发展水平表现出显著正向影响,这是由于金融发展能够营造良好的融资环境,通过风险分散、流动性供给、降低信息不对称等功能[26]更好地支持高技术产业集聚发展。
3.2.2 成果转化阶段
成果转化阶段高技术产业集聚与创新绩效的估计结果如表3所示。结果显示,高技术产业集聚与创新绩效存在双向促进关系,验证了H4。以地理距离矩阵为例,高技术产业集聚对创新绩效的边际影响为1.432,表明高技术产业集聚水平每提升1%则高技术产业创新绩效提升1.432%;创新绩效对高技术产业集聚的边际影响为0.267,表明创新绩效每提高1%则高技术产业集聚水平提高0.267%。高技术产业集聚和创新绩效均具有空间溢出效应,邻近地区高技术产业集聚水平提升有利于本地区高技术产业集聚水平提升,邻近地区创新绩效提高能促进本地区创新绩效提高,验证了H5。高技术产业集聚的空间滞后项估计系数在地理距离矩阵和经济地理矩阵下均显著为正,说明邻近地区产业集聚程度提高对本地产业集聚具有显著正向影响。邻近地区创新绩效的空间滞后项系数在地理距离和经济地理矩阵中均显著为正,说明邻近地区创新绩效水平提高对本地创新绩效同样具有显著正向影响。高技术产业集聚与创新绩效具有空间交互影响,邻近地区高技术产业集聚对本地区创新绩效影响不显著,邻近地区创新绩效对本地高技术产业集聚影响为负,验证了H6。高技术产业集聚的空间滞后项对创新绩效的估计系数未通过t检验,可能是因为从技术产出到经济效益的转化过程中,区域间产业集聚发展依赖程度较高,同时邻近地区高技术产业集聚的示范效应有所减弱。在地理距离矩阵下,创新绩效的空间滞后项对高技术产业集聚的估计系数为-0.551且在1%水平下显著,表明邻近地区创新绩效提升不利于本地高技术产业集聚,可能是因为邻近地区创新绩效提高使创新资源和产品市场竞争加剧,不利于本地高技术产业集聚发展。
表3 成果转化阶段全样本估计结果
变量3SLSlnpatlnaggGS3SLS(地理距离矩阵)lnpatlnaggGS3SLS(经济地理矩阵)lnpatlnagglnagg(高技术产业集聚)2.174*** 1.432*** 1.857*** (6.74)(9.62)(14.17)lninn(成果转化绩效) 0.113*** 0.267*** 0.289***(3.63)(10.35)(12.06)w.lnagg(高技术产业集聚空间滞后项) 1.394 1.991***-0.3350.648*(1.48)(4.08)(-0.43)(1.67)w.lninn(成果转化绩效空间滞后项) 0.434**-0.551***0.784***-0.299***(2.45)(-5.40)(5.79)(-3.97)lntran(交通运输水平)0.711***0.274**0.173(3.53)(2.23)(1.40)lnrdin(研发投入强度)1.193*** 1.260*** 0.881*** (5.94)(8.57)(6.58)lnstru(产业结构升级)0.916*** -1.314*** -1.172*** (5.60)(-8.17)(-7.17)lnpote(通信基础设施建设水平)-0.202*** 0.204* 0.103 (-3.02)(1.81)(0.94)lnmark(市场化水平) 0.551*** 0.293*** 0.085(5.13)(2.72)(0.92)lnfina(金融发展水平) 0.525*** 0.440*** 0.337***(4.19)(4.66)(3.76)lnopen(开放程度) 0.121*** -0.078 0.016(3.47)(-1.59)(0.39)常数项20.630***-2.595***15.881***4.149***7.727***-0.328(24.93)(-7.31)(4.63)(2.61)(3.19)(-0.31)R20.654 30.476 20.778 30.620 30.724 70.621 4
此外,交通运输水平、研发投入强度和通信基础设施建设水平提升均有利于成果转化绩效水平提升。交通运输设施完善可通过降低运输成本提高空间可达性,促进创新产品自由流动,提升创新绩效水平;研发投入强度提高有助于更好地开发和推广新产品;通信基础设施完善可促进新市场开拓和区域内各主体的知识交流,保证企业能够及时有效获取最新产品信息,作出最优产品创新决策。在高技术产业集聚的其它影响变量中,市场化水平和金融发展水平均显著为正,开放程度的影响不显著。市场化水平提升有利于要素自由流动,实现资源优化配置,从而优化产业发展环境,促进高技术产业集聚;金融发展水平提升对高技术产业集聚起到促进作用。
为进一步考察高技术产业集聚与创新绩效的交互作用,本文将样本划分为2005—2011年和2012—2018年两个时间段分别进行GS3SLS估计,技术研发阶段估计结果见表4,成果转化阶段估计结果见表5。
表4 技术研发阶段分时段估计结果
变量时段1:2005-2011年地理距离矩阵lnpatlnagg经济地理矩阵lnpatlnagg时段2:2012-2018年地理距离矩阵lnpatlnagg经济地理矩阵lnpatlnagglnagg(高技术产业集聚)1.781***1.806***0.597***0.848***(16.21)(17.10)(4.60)(6.58)lnpat(技术研发绩效)0.536***0.515***0.226***0.268***(14.16)(14.43)(5.02)(6.35)w.lnagg(高技术产业集聚空间滞后项)-2.333***1.629***-1.264*0.806*5.181***0.4265.061***-0.180(-2.74)(3.19)(-1.84)(1.94)(6.20)(0.80)(5.76)(-0.35)w.lnpat(技术研发绩效空间滞后项)0.919***-0.556***0.761***-0.421***-0.594**-0.278*-0.475*-0.138(6.67)(-6.13)(6.44)(-5.50)(-2.10)(-1.70)(-1.71)(-0.95)lntran(交通运输水平)0.420***0.315**0.344**0.291**(3.25)(2.55)(2.54)(2.15)lnrdin(研发投入强度)0.0270.0561.630***1.429***(0.23)(0.48)(11.95)(10.41)lnstru(产业结构升级)-0.561***-0.576***-1.033***-0.889***(-3.43)(-3.43)(-6.31)(-5.45)lnpote(通信基础设施建设水平)-0.033-0.0350.516***0.611***(-0.29)(-0.30)(3.53)(3.97)lnmark(市场化水平)-0.001-0.0250.433***0.314**(-0.01)(-0.25)(2.98)(2.33)lnfina(金融发展水平)0.286**0.271**0.341***0.294***(2.47)(2.34)(3.18)(2.72)lnopen(开放程度)-0.0130.009-0.131**-0.103*(-0.27)(0.19)(-2.26)(-1.86)常数项-0.1110.3741.742-0.878*23.611***-0.46521.374***-1.946(-0.07)(0.50)(1.58)(-1.69)(7.93)(-0.32)(7.39)(-1.52)R20.692 90.568 20.694 00.588 90.849 40.689 30.833 30.688 9
表5 成果转化阶段分时段估计结果
变量时段1:2005-2011年地理距离矩阵lninnlnagg经济地理矩阵lninnlnagg时段2:2012-2018年地理距离矩阵lninnlnagg经济地理矩阵lninnlnagglnagg(高技术产业集聚)1.946***2.181***0.592***0.981***(11.68)(14.40)(3.88)(6.48)lninn(成果转化绩效)0.333***0.329***0.191***0.243***(9.91)(10.61)(4.74)(6.27)w.lnagg(高技术产业集聚空间滞后项)-0.9592.471***-0.2480.6743.437***1.261**1.890**0.787(-0.67)(3.28)(-0.20)(1.08)(3.83)(2.32)(2.11)(1.58)w.lninn(成果转化绩效空间滞后项)0.117-0.538***0.029-0.1720.223-0.420***0.610***-0.375***(0.34)(-2.97)(0.09)(-1.04)(1.01)(-3.28)(2.77)(-3.22)lntran(交通运输水平)0.652***0.489***0.348**0.257(4.06)(3.04)(2.20)(1.64)lnrdin(研发投入强度)0.681***0.506***1.813***1.513***(3.56)(2.86)(11.22)(9.38)lnstru(产业结构升级)-1.411***-1.275***-1.403***-1.316***(-5.80)(-5.16)(-7.65)(-7.01)lnpote(通信基础设施建设水平)-0.218-0.1880.420**0.386**(-1.19)(-1.05)(2.57)(2.30)lnmark(市场化水平)0.135-0.0210.448***0.260*(0.85)(-0.16)(3.04)(1.86)lnfina(金融发展水平)0.386**0.328**0.515***0.479***(2.59)(2.38)(4.22)(3.88)lnopen(开放程度)-0.0150.061-0.159**-0.106*(-0.20)(0.93)(-2.57)(-1.85)常数项15.039**3.48116.223***-2.63322.985***2.76614.519***1.219(2.60)(1.21)(3.10)(-1.05)(5.43)(1.41)(3.52)(0.71)R20.708 90.520 80.683 20.566 80.834 30.686 50.811 10.674 3
在技术研发阶段,时段1和时段2均显示高技术产业集聚与创新绩效存在显著双向促进作用,并且时段1的互促作用更强。从空间溢出效应看,高技术产业集聚的空间溢出效应仅在时段1显著为正,在时段2不显著;创新绩效的空间溢出效应在时段1显著为正,在时段2显著为负。从空间交互影响看,邻近地区高技术产业集聚对本地创新绩效的估计系数在时段1显著为负,在时段2显著为正;邻近地区创新绩效对本地高技术产业集聚的估计系数在两时段虽都为负,但负向作用有所减弱,表明二者的空间交互影响随着时间推移有所增强。
在成果转化阶段,时段1和时段2均显示高技术产业集聚与创新绩效存在显著双向促进作用,并且时段1的互促作用更强。从空间溢出效应看,两时段高技术产业集聚在地理距离矩阵中均具有显著正向空间溢出效应,时段1的溢出效应更强,在经济地理矩阵中为正但不显著;两时段创新绩效的正向溢出效应均不显著。从空间交互影响看,邻近地区高技术产业集聚对本地创新绩效的影响在时段1为负但不显著,在时段2显著为正;邻近地区创新绩效对本地高技术产业集聚的影响在两个时段均为负,但负向作用有所减弱,二者的空间交互作用有所增强。
技术研发阶段和成果转化阶段均显示,随着时间推移,高技术产业集聚与创新绩效的双向促进作用、空间溢出效应有所减弱,但地区间的交互作用有所增强。可能是因为,随着时间推移,规模收益递减效应导致高技术产业集聚与创新绩效的双向促进作用和溢出效应减弱。党的十八大以来,区域协调发展战略成为新时代国家重大战略之一,京津冀协同发展、长江经济带发展、粤港澳大湾区发展等战略相继出台,促进作用区域间产能合作不断扩张、一体化联动不断深入,对地区间高技术产业集聚与创新绩效的交互发展产生促进作用。
本文利用地理距离矩阵和经济地理矩阵对全样本模型进行估计,不同权重矩阵下各变量符号方向和显著性基本一致,表明估计结果较为稳健。考虑到采用不同指标对估计结果会产生影响,本文借鉴杨浩昌等(2020)、尹亚红和刘佳舟(2020)的做法,选取高技术产业有效发明专利数作为技术研发绩效的替代指标,借鉴张可(2019)的做法,选取新产品销售率(新产品销售收入与地区GDP之比)作为成果转化绩效的替代指标。估计结果显示,核心变量估计结果系数的符号方向及显著性与前文一致,表明高技术产业集聚与创新绩效的空间关系具有稳定性。受篇幅限制,稳健性检验结果备索。
高技术产业集聚推动创新,创新驱动高技术产业集聚,二者融合是高质量发展的重要推手,但国内外文献尚未对此进行充分研究。本文基于创新价值链视角,将创新过程分为技术研发和成果转化两个阶段,构建高技术产业与创新绩效交互作用理论模型,采用2005—2018年中国内地30个省域面板数据,构建空间联立方程模型,考察高技术产业集聚与创新绩效的交互影响及空间溢出效应。结果表明,在两阶段创新过程中,高技术产业集聚与创新绩效存在双向促进作用,即高技术产业集聚能促进创新绩效提升,创新绩效提升也能促进高技术产业集聚;高技术产业集聚与创新绩效均存在显著空间溢出效应,即本地区高技术产业集聚与邻近地区高技术产业集聚显著正相关,本地区创新绩效与邻近地区创新绩效显著正相关;高技术产业集聚与创新绩效具有地区交互影响,邻近地区高技术产业集聚对本地区创新绩效的影响在技术研发阶段为正、在成果转化阶段不显著,邻近地区创新绩效对本地区高技术产业集聚影响在两阶段均为负。
将样本划分为2005—2011年和2012—2018年两个时间段后,估计结果表明,高技术产业集聚与创新绩效在两阶段创新过程中均存在双向促进作用,且在强度上随时间推移有所减弱;高技术产业集聚与创新绩效的空间溢出效应在技术研发阶段先显著为正、随后变为不显著,在成果转化阶段两个时段均显著为正,且时段1的正向作用更强,即在两阶段均表现出随时间推移有所减弱的特征;邻近地区高技术产业集聚对本地区创新绩效的影响在技术研发阶段随时间推移由负转为正、在成果转化阶段随时间推移由不显著为负转为正,邻近地区创新绩效对本地区高技术产业集聚在两个阶段均随时间推移负向作用有所减弱,即高技术产业集聚与创新绩效的地区交互影响随时间推移有所增强。
首先,充分发挥高技术产业集聚与创新之间的互促作用,最大限度释放产业集聚与创新双协同政策红利。一方面,通过高技术产业集聚吸引创新要素集聚,最大程度利用产业集聚,形成产业创新的价值传导机制,促进创新成果转化为经济效益,提高创新效率;另一方面,通过创新水平提升优化区域高技术产业发展动力源,释放创新对区域高技术产业发展的助推作用,促进高技术产业要素有效集聚。
其次,统筹推进地区间高技术产业集聚与创新联动发展,协调地区间高技术产业发展。鼓励地区间高技术产业组建产业联盟、创新联盟等各类平台组织,开展联合攻关和联合创新,推动资源跨区域、跨行业流动,促进区域间溢出效应和协同创新。同时,协调各地区间创新能力建设,积极发挥产业创新能力强地区对创新能力弱地区的辐射带动作用,形成地区间产创融合、共生互利的协同发展新格局,最大程度发挥地区间高技术产业集聚与创新绩效的交互促进作用。
最后,各地区要结合自身发展实际和产业创新所处阶段,培育具有区域特色的高技术产业集聚区,以特色高技术产业集聚激发区域产业创新活力。各创新主体应相互合作、错位发展,充分考虑区域内各种创新要素的相互作用和相互组合,打造具有区域特色的高技术产业发展新高地。结合地区产业创新所处阶段,随着创新活动的开展适时打造兼具地域特色和专业特色的高技术产业集聚区,最大程度降低地区间竞争的负向影响,形成地区间产业协同创新发展新路径。
[1] 张涵.多维邻近下高技术产业集聚的空间溢出与区域创新研究[J].经济体制改革,2019,37(6):68-74.
[2] 陆毅,李冬娅,方琦璐,等.产业集聚与企业规模:来自中国的证据[J].管理世界,2010,26(8):84-89,101.
[3] 颜克益,芮明杰,巫景飞.产业集聚视角下高技术产业创新绩效影响因素研究:基于中国省际面板数据(1998-2007)的研究[J].经济与管理研究,2010,31(12):57-67.
[4] ZENG J J,LIU D J,YI H T.Agglomeration,structural embeddedness,and enterprises' innovation performance:an empirical study of Wuhan biopharmaceutical industrial cluster network[J].Sustainability,2019,11(14):22-39.
[5] 谢子远.高技术产业区域集聚能提高研发效率吗:基于医药制造业的实证检验[J].科学学研究,2015,33(2):215-224,233.
[6] 谢臻,卜伟.如何优化高技术产业专业化集聚对创新效率的作用效果:基于工资激励效应的分析[J].产业经济研究,2020,19(3):72-84.
[7] 周明,李宗植.基于产业集聚的高技术产业创新能力研究[J].科研管理,2011,32(1):15-21,28.
[8] 邱士雷,王子龙,杨琬琨,等.高技术产业创新能力的空间集聚效应分析[J].研究与发展管理,2018,30(6):128-137.
[9] 吕承超,商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学,2017,30(2):64-79.
[10] COHEN W M,LEVINTHAL D A.Absorptive capacity:a new perspective on learning and innovation[J].Administrative Science Quarterly,1990,35(1):128-152.
[11] GORDON I R,MCCANN P.Industrial clusters:complexes,agglomeration and/or social networks[J].Urban Studies,2000,37(3):513-532.
[12] FU W Y,REVILLADIEZ J,SCHILLER D.Interactive learning,informal networks and innovation:evidence from electronics firm survey in the Pearl River Delta,China[J].Research Policy,2013,42(3):635-646.
[13] 王鹏,吴思霖.中国高技术产业集聚的空间溢出效应及其区域差异性:基于技术距离加权的空间计量研究[J].经济经纬,2020,37(2):86-96.
[14] 于伟,张鹏,姬志恒.高技术产业集聚与区域研发效率的空间交互溢出效应:基于空间联立方程的实证研究[J].经济问题探索,2019,40(4):121-130.
[15] 王斌,谭清美.产权、规模及产业集聚对专利成果转化效率的影响:来自我国五个高技术产业的数据[J].经济管理,2013,35(8):153-161.
[16] 金春雨,王伟强.我国高技术产业空间集聚及影响因素研究:基于省级面板数据的空间计量分析[J].科学学与科学技术管理,2015,36(7):49-56.
[17] SHANG Q Y,POON J P H,YUE Q T.The role of regional knowledge spillovers on China's innovation[J].China Economic Review,2012,23(4):1164-1175.
[18] TANAKA K,HASHIGUCHI Y.Spatial spillovers from foreign direct investment:evidence from the Yangtze River Delta in China[J].China & World Economy,2015,23(2):40-60.
[19] 贺灿飞.区域产业发展演化:路径依赖还是路径创造[J].地理研究,2018,37(7):1253-1267.
[20] BISCHI G I,LAMANTIA F.A competition game with knowledge accumulation and spillovers[J].International Game Theory Review,2004,6(3):323-341.
[21] ANSELIN L.Local indicators of spatial association:LISA[J].Geographical Analysis,1995,27(2):93-115.
[22] 曹雄飞,霍萍,余玲玲.高科技人才集聚与高技术产业集聚互动关系研究[J].科学学研究,2017,35(11):1631-1638.
[23] 邹彩芬,刘双,谢琼.市场需求、政府补贴与企业技术创新关系研究[J].统计与决策,2014(9):179-182.
[24] KELEJIAN H H,PRUCHA I R.Estimation of simultaneous systems of spatially interrelated cross sectional equations[J].Journal of Econometrics,2004,118(1-2):27-50.
[25] 汪艳涛,张娅娅.生态效率区域差异及其与产业结构升级交互空间溢出效应[J].地理科学,2020,40(8):1276-1284.
[26] DEMIRGUC-KUNT A,LEVINE R.Finance,financial sector policies,and long-run growth[M].Washington D.C.:The World Bank,2008.